JP2024514937A - 頭部関係フィルタの誤差補正 - Google Patents

Abstract

最終の補正された頭部関係（ＨＲ）フィルタデータセット（Ａ）を生成するための方法。本方法は、第１の補正されたＨＲフィルタデータセット（Ｂ）を取得することを含む。第１の補正されたＨＲフィルタデータセット（Ｂ）を取得することは、初期ＨＲフィルタデータセット（Ｃ）を取得すること（ｓ８０２）と、初期ＨＲフィルタデータセットから抽出された、抽出されたＨＲフィルタデータセット（Ｄ）を取得すること（ｓ８０４）と、抽出されたＨＲフィルタデータセット（Ｄ）のモデル（Ｅ）を取得すること（ｓ８０６）と、モデル（Ｅ）を使用して、モデル化されたＨＲフィルタデータセット（Ｆ）を生成すること（ｓ８０８）と、モデル化されたＨＲフィルタデータセット（Ｆ）および抽出されたＨＲフィルタデータセット（Ｄ）に基づいて、初期ＨＲフィルタデータセット（Ｃ）中に含まれる１つまたは複数のＨＲフィルタを補正のために選択すること（ｓ８１０）と、選択された１つまたは複数のＨＲフィルタを補正することによって、第１の補正されたＨＲフィルタデータセット（Ｂ）を生成すること（ｓ８１２）とを含む。最終の補正されたＨＲフィルタデータセット（Ａ）が、第１の補正されたＨＲフィルタデータセット（Ｂ）であるか、または、本方法が、第１の補正されたＨＲフィルタデータセット（Ｂ）を使用して、最終の補正されたＨＲフィルタセット（Ａ）を生成することをさらに含む、のいずれかである。【選択図】図８

Description

頭部関係（ＨＲ：ｈｅａｄ－ｒｅｌａｔｅｄ）フィルタの誤差補正に関係する実施形態が開示される。

図１は、球面座標系における仰角と方位角とのペアによって指定される到来方向（ＤＯＡ）からリスナーのほうへ伝搬する音波を示す。音波は、リスナーの左および右の鼓膜に達する前に、リスナーの上部胴体、頭部、外耳、および周囲の物質と相互作用する。この相互作用は、左および右の鼓膜に達する波形の時間的およびスペクトル変化を生じ、そのうちのいくつかはＤＯＡ依存である。

人間の聴覚系は、音波自体の様々な空間特性、ならびにリスナーがいる音響環境を推論するために、これらの変化を解釈することを学んでいる。この能力は、空間聴力と呼ばれ、空間聴力は、人間が、音イベント（物理音ソース）と人間が中にいる物理的環境（たとえば、小さい部屋、タイル張りの浴室、オーディトリアム、窓のない部屋（ｃａｖｅ））によって引き起こされる音響特性とによって誘発される聴覚イベントのロケーションを推論するために、バイノーラル信号、すなわち、右および左の耳道における音信号中に埋め込まれた空間キューをどのように評価するかに関係する。空間聴力という、この人間の能力は、音の特定の空間知覚につながるであろう、空間キューをバイノーラル信号中に再導入することによって、仮想空間オーディオシーンを作成するために活用され得る。

主要な空間キューは、１）角度関係キュー：バイノーラルキュー、すなわち両耳間レベル差（ＩＬＤ）および両耳間時間差（ＩＴＤ）、ならびにモノラル（または、スペクトル）キューと、２）距離関係キュー：強度および直接対残響（Ｄ／Ｒ）エネルギー比とを含む。波形の短時間ＤＯＡ依存時間的およびスペクトル変化の数学的表現（たとえば、１～５ミリ秒）が、いわゆる頭部関係（ＨＲ）フィルタである。それらのフィルタの周波数領域（ＦＤ）表現は、いわゆる頭部伝達関数（ＨＲＴＦ：ｈｅａｄ－ｒｅｌａｔｅｄ ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎ）であり、フィルタの時間領域（ＴＤ）表現は、頭部インパルス応答（ＨＲＩＲ：ｈｅａｄ－ｒｅｌａｔｅｄ ｉｍｐｕｌｓｅ ｒｅｓｐｏｎｓｅ）である。

図２は、リスナーのほうへ伝搬する音波のＩＴＤおよびスペクトルキューの一例を示す。２つのプロットは、０度の仰角および４０度の方位角において取得されたＨＲフィルタのペアの大きさ応答を示す（データは、ＣＩＰＩＣデータベース：対象ＩＤ２８からのものである。データベースは、公開されており、リンクｈｔｔｐｓ：／／ｗｗｗ．ｅｃｅ．ｕｃｄａｖｉｓ．ｅｄｕ／ｃｉｐｉｃ／ｓｐａｔｉａｌ－ｓｏｕｎｄ／ｈｒｔｆ－ｄａｔａ／からアクセスされ得る）。ＨＲフィルタベースのバイノーラルレンダリング手法が、徐々に確立されており、ここで、所望のロケーションのＨＲフィルタのペアを用いてオーディオソース信号を直接フィルタ処理することによって、空間オーディオシーンが生成される。この手法は、特に、多くの新生のアプリケーション、たとえば、仮想現実（ＶＲ）と拡張現実（ＡＲ）と複合現実（ＭＲ）とを含むエクステンデッドリアリティ、およびヘッドセットが通常使用される移動体通信システムとにとって魅力的である。

ＨＲフィルタデータベースと呼ばれることもあるＨＲフィルタデータセットは、しばしば音響測定によって取得される、リスナーの周りの特定の球面角または方向（仰角および方位角）および他の関係メタデータにおいてサンプリングされる左および右ＨＲフィルタの集合である。３つのステップ、すなわち、バイノーラル録音、参照録音、および後処理が、ＨＲフィルタデータセット中のＨＲフィルタを取得することに関与する。

ステップ１：バイノーラル録音

ＨＲフィルタを取得することを目的とするバイノーラル録音は、通常、無響室において行われる。録音セットアップは、ラウドスピーカーシステム、インイヤバイノーラルマイクロフォンシステム、ラウドスピーカー測位およびリスナー測位のための機械的システム、ならびにいくつかの補助デバイスおよびソフトウェアからなる。

図３は、ＨＲフィルタバイノーラル録音のための簡略化されたセットアップを示す。リッスンする対象（たとえば、人工頭部、マネキン、または人間の対象）は、対象の頭部の中心の位置が測定原点（０，０，０）にあるように、機械的システムの中心に位置する。励起信号が生成され、一定半径の球面上の位置において配置される音エミッタ、たとえば、ラウドスピーカーを通して再生される。位置は（θ，φ，ｒ）によって示され得、ここで、θは仰角に対応し、φは方位角に対応し、ｒは、リスナーの頭部の中心から音エミッタまでの距離である半径に対応する。２つの耳に到達する信号は、インイヤマイクロフォンによって録音される。この測定は、異なる次元においてリスナー、音エミッタ、またはその両方の位置を変動させることによって行われる、リスナーに対する励起信号の空間的位置を変動させることを行いながら、繰り返される。図４は、球体上のサンプリンググリッドの一例を示し、ここで、点は、録音が行われた位置を示す。

ステップ２：参照録音

生のバイノーラル録音は、ＨＲインパルス応答だけでなく、ラウドスピーカー、バイノーラルマイクロフォン、ＡＤ／ＤＡ変換器、および増幅器を含む録音システム全体のインパルス応答をも含んでいる。次いで、参照録音が各インイヤマイクロフォンについて別々に行われる。録音プロトコルは、対象を除去し、マイクロフォンを位置（０，０，０）において配置することによって、バイノーラル録音と同様である。

ステップ３：後処理

後処理：自由場等化（Ｆｒｅｅ Ｆｉｅｌｄ Ｅｑｕａｌｉｚａｔｉｏｎ）

生のバイノーラル録音から録音システムの影響を除去するための一般的なプロシージャが自由場等化である。ｙ^ｌ／ｒ（ｔ；θ，Φ，ｒ）を、励起信号が方向（θ，Φ，ｒ）において放出されるときに左／右インイヤマイクロフォンにおいて録音される信号を示すものとする。半径ｒは、ｒが通常、ＨＲフィルタ測定値において一定であるので、簡単のために、本開示の残りにおいて省略されることに留意されたい。ｓ（ｔ）を、励起信号を示すものとする。その場合、ｙ^ｌ／ｒ（ｔ；θ，Φ）は、未知のインパルス応答と畳み込まれる励起信号、すなわち、ｙ^ｌ／ｒ（ｔ；θ，Φ）＝ｓ（ｔ）＊ｈ^ｌ／ｒ（ｔ；θ，Φ）＊ｇ^ｌ／ｒ（ｔ）として説明される。ｈ^ｌ／ｒ（ｔ；θ，Φ）は、左／右耳ＨＲインパルス応答を示し、ｇ^ｌ／ｒ（ｔ）は、左／右インイヤマイクロフォンを使用する録音システムのインパルス応答を示す。ｘ^ｌ／ｒ（ｔ）を、ｘ^ｌ／ｒ（ｔ）＝ｓ（ｔ）＊ｇ^ｌ／ｒ（ｔ）である参照録音とする。

各録音のフーリエ変換（ＦＴ）が行われ、Ｙ^ｌ／ｒ（ｆ；θ，Φ）およびＸ^ｌ／ｒ（ｆ）を生じ、ここで、ｆは周波数である。参照録音のスペクトル応答は、あるレベルの正則化、たとえば、

を伴うスペクトル分割を使用して、各バイノーラル録音のスペクトル応答から除外され、ここで、λは、計算雑音を回避するための正則化パラメータであり、それは周波数依存であり得る。得られた伝達関数Ｈ^ｌ／ｒ（ｆ；θ，Φ）は、次いで、時間領域に変換され、それは、通常、耳、頭部、および胴体の音響効果をカバーするある長さにトランケートされる。

後処理：拡散場等化（Ｄｉｆｆｕｓｅ Ｆｉｅｌｄ Ｅｑｕａｌｉｚａｔｉｏｎ）

拡散場等化は、録音のセット内のすべての共通性を除去することを試みる。これは、あるレベルの周波数依存／非依存正則化を伴って、すべての方向にわたる平均に関して測定値を正規化することである。そのような平均は、すべての入射方向にわたる大きさ応答の平均、または、すべての方向にわたる大きさ２乗応答の平均（累乗平均）であり得る。拡散場等化の１つの目的は、ＨＲフィルタデータセット中のＨＲフィルタにわたる音質の一貫性を提供することである。別の目的は、窓処理の何らかの一般的な応答、またはすべての方向について共通の後処理からの何らかの他の不要な効果を補償することである。

後処理：低周波数補償

ラウドスピーカーの制限された帯域幅および無響室の低周波数制限により、約２００Ｈｚを下回る周波数は、確実には測定され得ない。しかしながら、理論上、人間の頭部のサイズが波長よりもはるかに小さいとすれば、低周波数応答（＜２００Ｈｚ）は１（ｕｎｉｔｙ）に近いはずであり、または、低周波数利得は約０ｄＢであるはずである。したがって、適切な低周波数応答を取得するために、低周波数補償または補正がしばしば適用される。たとえば４００Ｈｚを下回る、平坦な周波数応答および線形位相応答を拡張するために、低周波数モデルが採用され得る。たとえば、測定されたデータの低周波数コンテンツに、ある数値的にシミュレートされたデータが外挿され得る。明らかに、低周波数補償の目的は、バイノーラル化された（ｂｉｎａｕｒａｌｉｚｅｄ）オーディオの自然な低音を保証することである。

推定されたＨＲフィルタは、しばしば、有限インパルス応答（ＦＩＲ）フィルタとして提供される。現在、ＨＲフィルタは、通常、バイノーラルオーディオレンダラによって、それらの元の形態で直接使用されるか、または、ＨＲフィルタのペアが、急激なスペクトルピークを防ぐために両耳間伝達関数（ＩＴＦ）または修正ＩＴＦに変換され得る。代替的に、ＨＲフィルタは、パラメトリック表現によって記述され得る。そのようなパラメータ化されたＨＲフィルタは、パラメトリックマルチチャネルオーディオコーダ、たとえば、ムービングピクチャエキスパートグループ（ＭＰＥＧ）サラウンドおよび空間オーディオオブジェクトコーディング（ＳＡＯＣ）と容易に統合する。

バイノーラルオーディオレンダラの性能はリスニングテストを通して主観的に評価され、ここで、判断は、通常、知覚される音品質とともに、知覚される空間品質の全体的なアセスメントである。リスナーの２つの耳道におけるバイノーラル化されたオーディオが、音がリスナーの耳によって拾われる場所において同じリスナーが有するであろうものに極めて良く対応する場合、「真正の（ａｕｔｈｅｎｔｉｃ）」再生が行われる。そのような「真正の」再生を達成するために、「真正の」ＨＲフィルタが必要とされる。

マネキンまたは頭部および胴体シミュレータ、たとえば、ＫＥＭＡＲ（ノウルズエレクトロニクスの音響調査用マニキン（Ｋｎｏｗｌｅｓ Ｅｌｅｃｔｒｏｎｉｃｓ Ｍａｎｎｅｑｕｉｎ ｆｏｒ Ａｃｏｕｓｔｉｃｓ Ｒｅｓｅａｒｃｈ））、あるいは人間の対象に関する測定を使用してＨＲフィルタデータセットをセットアップすることに、かなりの労力が注がれた。現在、いくつかの公開されているデータセットがあり、公開されているＨＲフィルタデータセットから選択されたＨＲフィルタのセットがバイノーラルオーディオレンダラにおいて直接使用されることが一般的である。しかしながら、変動性が、ＨＲフィルタ測定プロセスの内在する部分であり、雑音または測定誤差が不可避である。そのような測定誤差は、バイノーラルオーディオレンダリングにおいて直接使用されるとき、バイノーラル化されたオーディオの空間知覚に対する強い悪影響を有する。そのような誤差の例は、不整合誤差、および非ＨＲ反射によって引き起こされる誤差である。

不整合誤差

ＨＲフィルタ測定では、特に人間の対象の場合、特殊な椅子が使用される。特殊な椅子は、通常、測定中の頭部の移動を最小限に抑えることを目的としてスピーカーに対する対象の頭部についての参照位置を提供する、ヘッドレストおよびバックレストをもつ構造を有するように設計される。しかしながら、しばしば、対象の頭部のわずかな傾きまたは椅子の垂直回転軸のわずかな傾きが発生し、それにより、スピーカーと頭部との間の位置の不整合を引き起こす。そのような不整合は、鼓膜における信号の到達時間（ＴＯＡ）の不連続性、または言い換えると、ＨＲフィルタの、オンセット遅延と称される周波数非依存時間遅延を生じる。オンセット遅延の不連続性は、ＩＴＤの不連続性を暗示する。たとえば、方位角０度におけるＨＲフィルタのＩＴＤは、０であると考えられる。しかし、不整合が発生したとき、ＩＴＤは０から逸脱する。ソースがリスナーの前で垂直線に沿って移動するオーディオシーンでは、±１サンプル程度の小さい逸脱の場合でさえ、この不整合誤差をもつＨＲフィルタを使用するレンダラについて不安定性（左／右のぐらつき）が知覚され得る。その上、オンセット遅延の不連続性によって引き起こされる隣接フレームの位相の不連続性も知覚され得る。

空間における恣意的なロケーションにおける音の納得のいく空間知覚につながる、空間オーディオソースをレンダリングすることは、対応するロケーションにおけるＨＲフィルタのペアを必要とし、したがって、球体上の細かくサンプリングされたロケーションにおけるＨＲフィルタのセットが必要とされる。レンダラにおいて使用されるＨＲフィルタセットの空間解像度は、レンダリングされた音ソースの空間解像度を決定する。２Ｄ球体上で粗くサンプリングされたＨＲフィルタセットを使用すると、仮想現実（ＶＲ）、拡張現実（ＡＲ）、複合現実（ＭＲ）、および／またはエクステンデッドリアリティ（ＸＲ）のユーザは、通常、移動する音の空間不連続性を報告する。そのような空間不連続性は、没入の感覚を著しく減少させるオーディオビデオ同期誤差につながる。

球体上のより密なグリッドにおけるＨＲフィルタセットを取得することが、問題を解決し得る。しかし、最小可聴角度（ＭＡＡ：ｍｉｎｉｍｕｍ ａｕｄｉｂｌｅ ａｎｇｌｅ）要件を満たす細かいグリッド上の入出力測定からＨＲフィルタセットを推定することは、極めて時間がかかり、対象と実験者の両方にとって退屈であり得る。測定解像度を増加させることなしにレンダリングを改善するために、角度補間技法が利用され得る。

最近傍方法は、バイノーラルオーディオレンダラが、通常、ＨＲフィルタ角度補間のためにとる手法のうちの１つである。この方法は、各サンプリングされたロケーションにおけるＨＲフィルタが、ある有限距離までのみのエリアに影響を及ぼすことを仮定する。そのような方法では、サンプリングされていないロケーションにおけるＨＲフィルタは、サンプリングされていないロケーションからの、または直線２次元（２Ｄ）グリッド上の所与の数の最も近いポイントからのあるカットオフ距離内のサンプリングされたロケーションにおけるＨＲフィルタの加重平均として近似される。この手法は、疎にサンプリングされたＨＲフィルタデータセットを仮定すれば、欠落したＨＲフィルタに関する空間関係情報を推論するのに効率的である。しかしながら、この手法は、オンセット遅延の不連続性に敏感であり、広い意味の物体ロケーションにつながることがある。

非ＨＲ反射

非ＨＲ反射は、ＨＲフィルタ測定において誤差を引き起こす別のソースである。上記で説明されたように、ＨＲフィルタ測定は、一般に無響室において行われる。その上、機械的セットアップは、入射音響波に対する最小の影響を有するように、常に慎重に設計され、たとえば、ラウドスピーカーの側部が音響吸収体でラップされる、椅子の支持構造が音響吸収体によってカバーされる、などである。しかし、非ＨＲ反射は、依然として発生し得、録音においてキャプチャされ得る。そのような非ＨＲインパルス応答は、得られたＨＲフィルタにおいて現れ、真正性を低下させ、たとえば、いくつかの周波数帯域におけるＩＬＤキューを無効にし、所望のロケーション以外のどこかにおいて、知覚できる「補助」ソースを生じ得る。

上記で説明されたように、バイノーラルレンダリングにおいて使用するために利用可能である元のＨＲフィルタセットは、一般にＦＩＲフィルタである。これらのＦＩＲフィルタは、通常、長さ数ミリ秒であり、ここで、各フィルタの時間スパンは、３つの連続時間領域、すなわち、プリアクティブ領域と、アクティブ領域と、ポストアクティブ領域とに分割され得る。プリアクティブ領域およびポストアクティブ領域では、フィルタタップは、０であるか、または、推定雑音によりゼロに極めて近くなり、バイノーラル化（ｂｉｎａｕｒａｌｉｚａｔｉｏｎ）にほとんど寄与しない。アクティブ領域は、実際のバイノーラル化を表すフィルタタップを含んでいる。これらのフィルタタップは、アクティブ領域の始まりにおいては強いが、先細りになり、領域の最後においては０に近い値に減少する。

バイノーラルオーディオレンダリングにおいて使用されるフィルタは、元のフィルタであるか、または、フィルタの総時間スパンの異なる下位領域にわたって元のフィルタから抽出され得る。理想的には、フィルタのアクティブ領域のみを抽出し、左フィルタのアクティブ領域と右フィルタのアクティブ領域との間のＩＴＤを推定することは、メモリを節約し、フィルタ処理演算の実装をより効率的にするので、これは有益であろう。アクティブ領域にわたって抽出されたフィルタセットは、ゼロ時間遅延ＨＲフィルタセットと呼ばれ、そのデータ表現において左ＨＲフィルタと右ＨＲフィルタとの間のＩＴＤを含んでいる。

現在、いくつかの課題が存在する。たとえば、特に、フィルタが、フィルタの推定から生じるプリリンギング効果を含んでいる場合、各フィルタのアクティブ領域を構成するものの良好な推定を得ることは自明でない。

ＨＲフィルタ測定プロセスまたは下位領域抽出プロセスのいずれかからの誤差が存在するとすれば、バイノーラルオーディオレンダラの性能を保証するために、バイノーラルオーディオレンダリングにおいてフィルタを使用する前に、前もってＨＲフィルタにおいて両方のタイプの誤差を検出し、補正することが必要である。

したがって、一態様では、最終の補正された頭部関係（ＨＲ）フィルタデータセットＨ_ｆｃを生成するための方法が提供される。本方法は、第１の補正されたＨＲフィルタデータセットＨ’_Ｉを取得することを含む。第１の補正されたＨＲフィルタデータセットＨ’_Ｉを取得することは、初期ＨＲフィルタデータセットＨ_Ｉを取得することと、初期ＨＲフィルタデータセットＨ_Ｉから抽出された、抽出されたＨＲフィルタデータセットＨ_Ｘを取得することとを含む。第１の補正されたＨＲフィルタデータセットＨ’_Ｉを取得することは、抽出されたＨＲフィルタデータセットＨ_ＸのモデルＭ_Ｘを取得することと、モデルＭ_Ｘを使用して、モデル化されたＨＲフィルタデータセットＨ_Ｍを生成することとをさらに含む。第１の補正されたＨＲフィルタデータセットＨ’_Ｉを取得することは、モデル化されたＨＲフィルタデータセットＨ_Ｍおよび抽出されたＨＲフィルタデータセットＨ_Ｘに基づいて、初期ＨＲフィルタデータセットＨ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択することと、選択された１つまたは複数のＨＲフィルタを補正することによって、第１の補正されたＨＲフィルタデータセットＨ’_Ｉを生成することとをさらに含む。最終の補正されたＨＲフィルタデータセットＨ_ｆｃが、第１の補正されたＨＲフィルタデータセットＨ’_Ｉであるか、または、本方法が、第１の補正されたＨＲフィルタデータセットＨ’_Ｉを使用して、最終の補正されたＨＲフィルタセットＨ_ｆｃを生成することをさらに含む、のいずれかである。

別の態様では、処理回路によって実行されたとき、処理回路に、上記で説明された方法を実施させる命令を備えるコンピュータプログラムが提供される。

別の態様では、最終の補正された頭部関係（ＨＲ）フィルタデータセットＨ_ｆｃを生成するための装置が提供される。本装置は、第１の補正されたＨＲフィルタデータセットＨ’_Ｉを取得するように設定される。第１の補正されたＨＲフィルタデータセットＨ’_Ｉを取得することは、初期ＨＲフィルタデータセットＨ_Ｉを取得することと、初期ＨＲフィルタデータセットＨ_Ｉから抽出された、抽出されたＨＲフィルタデータセットＨ_Ｘを取得することとを含む。第１の補正されたＨＲフィルタデータセットＨ’_Ｉを取得することは、抽出されたＨＲフィルタデータセットＨ_ＸのモデルＭ_Ｘを取得することと、モデルＭ_Ｘを使用して、モデル化されたＨＲフィルタデータセットＨ_Ｍを生成することとをさらに含む。第１の補正されたＨＲフィルタデータセットＨ’_Ｉを取得することは、モデル化されたＨＲフィルタデータセットＨ_Ｍおよび抽出されたＨＲフィルタデータセットＨ_Ｘに基づいて、初期ＨＲフィルタデータセットＨ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択することと、選択された１つまたは複数のＨＲフィルタを補正することによって、第１の補正されたＨＲフィルタデータセットＨ’_Ｉを生成することとをさらに含む。最終の補正されたＨＲフィルタデータセットＨ_ｆｃが、第１の補正されたＨＲフィルタデータセットＨ’_Ｉであるか、または、本装置が、第１の補正されたＨＲフィルタデータセットＨ’_Ｉを使用して、最終の補正されたＨＲフィルタセットＨ_ｆｃを生成するようにさらに設定される、のいずれかである。

別の態様では、装置が提供される。本装置は、メモリと、メモリに結合された処理回路とを備え、本装置は、上記で説明された方法を実施するように設定される。

本開示の実施形態は、少なくとも以下の利点を提供する。

（１）ＨＲフィルタセットにおいて、加法的確率的雑音と、ＨＲフィルタ処理関係ではない散発性反射などの散発性誤差とを平滑化すること。

（２）モデル化の反復的プロセスと、その後に続く、誤差検出－分類－補正のプロセスとを通してＨＲフィルタセットを改善すること。

本明細書に組み込まれ、明細書の一部をなす添付の図面は、様々な実施形態を示している。

球面座標系における仰角と方位角とのペアによって指定される到来方向（ＤＯＡ）からリスナーのほうへ伝搬する音波を示す図である。 リスナーのほうへ伝搬する音波のＩＴＤおよびスペクトルキューの一例を示す図である。 ＨＲフィルタバイノーラル録音のための簡略化されたセットアップを示す図である。 ２Ｄ球体上のサンプリンググリッドの一例を示す図である。 一実施形態による、プロセスを示す図である。 一実施形態による、プロセスを示す図である。 いくつかの実施形態による、システムを示す図である。 いくつかの実施形態による、システムを示す図である。 一実施形態による、プロセスを示す図である。 一実施形態による、装置を示す図である。

球面角のセットにわたってサンプリングされるＨＲフィルタセット中の各左および右ＨＲフィルタは、真のＨＲフィルタと測定／抽出誤差フィルタとの和であると見なされる。これは、ＨＲフィルタセットが、測定されたＦＩＲ ＨＲフィルタセットを直接使用するのか、左フィルタと右フィルタとの間のＩＴＤ値をもつフィルタの時間スパンの異なる下位領域にわたって抽出されたＨＲフィルタセットからのフィルタを使用するのかにかかわらず、適用される。

取得されたＨＲフィルタセット中の誤差を検出し、補正するために、空間的に近いＨＲフィルタ間の比較的平滑な変化を強制する単位球面上のＨＲフィルタセットのモデルが評価される。フィルタセットに関するモデル化誤差を最小限に抑えることによって、モデルは、フィルタ中のいくつかのタイプの測定／抽出誤差をフィルタアウトまたは除去し得る。フィルタアウトまたは除去され得る誤差のタイプの例は、（１）ＨＲフィルタ処理の一部でない、ＨＲフィルタにおける散発性反射の形態の誤差、および（２）特により高い周波数において顕著な、加法的確率雑音である誤差を含む。

モデルが取得されると、比較的大きいモデル化誤差をもつ個々のＨＲフィルタが識別され、誤差のタイプが分類される。いくつかの誤差クラスに属する誤差が補正され得る。誤差が補正可能であるとき、誤差は、それらの特定のＨＲフィルタについて補正され、ＨＲフィルタのセットは、補正されたフィルタで更新される。このモデル化および誤差検出－分類－補正プロシージャを数回反復することは、はるかに改善されたＨＲフィルタセットを作り出し得る。上述のように、特に重要な補正可能な誤差の１つのクラスは、オンセット遅延誤差のクラスである。オンセット遅延誤差のクラスは、フィルタがフィルタの時間スパンの下位領域から抽出されるとき、測定プロセスおよび／または抽出プロセスから発生する。

本開示の実施形態は、元のＨＲフィルタセットと、フィルタの時間スパンの異なる下位領域から抽出されるＨＲフィルタとを含むすべてのタイプのＨＲフィルタセット（またはフィルタ）に適用可能である。

データ変数およびそれらの記法

一般的なデータ構造は、データシーケンスおよび他のデータ構造のリストとして示される。本開示の実施形態では、基本ＨＲフィルタデータセットＨは、Ｍ個の仰角および方位角｛（θ［ｍ］，Φ［ｍ］）：ｍ＝１，．．．，Ｍ｝においてサンプリングされたＨＲフィルタを含んでいるデータセットであり、ここで、θおよびΦはそれぞれ仰角および方位角であり、ｍはインデックスを示す。

データセットＨは、データリストＨ＝｛θ，Φ，Ｈ^ｌ，Ｈ^ｒ｝の形態で提供され得る。

θ＝｛θ［ｍ］：ｍ＝１，．．．，Ｍ｝は、仰角のシーケンスを示す。

φ＝｛φ［ｍ］：ｍ＝１，．．．，Ｍ｝は、方位角のシーケンスを示す。

Ｈ^ｌ＝｛ｈ^ｌ［ｍ］：ｍ＝１，．．．，Ｍ｝は左ＨＲフィルタのセットを示し、ここで、ｈ^ｌ［ｍ］＝［ｈ^ｌ［１；ｍ］，．．．，ｈ^ｌ［Ｎ^ｌ；ｍ］］は長さＮ^ｌのＦＩＲフィルタである。

Ｈ^ｒ＝｛ｈ^ｒ［ｍ］：ｍ＝１，．．．，Ｍ｝は右ＨＲフィルタのセットを示し、ここで、ｈ^ｒ［ｍ］＝［ｈ^ｒ［１；ｍ］，．．．，ｈ^ｒ［Ｎ^ｒ；ｍ］］は長さＮ^ｒのＦＩＲフィルタである。

左ＨＲフィルタの長さと右ＨＲフィルタの長さとは、異なるかまたは同じ（すなわち、Ｎ^ｌ＝Ｎ^ｒ）であり得る。

いくつかの実施形態では、Ｈは、フィルタのアクティブ領域の始まりを示すオンセット遅延のデータシーケンスをさらに含んでいることがある。たとえば、拡張されたＨＲフィルタデータセットはＨ＝｛θ，Φ，Ｈ^ｌ，Ｈ^ｒ，τ^ｌ，τ^ｒ｝であり得、ここで、τ^ｌ＝｛τ^ｌ［ｍ］：ｍ＝１，．．．，Ｍ｝は左ＨＲフィルタのオンセット遅延のシーケンスを示し、τ^ｒ＝｛τ^ｒ［ｍ］：ｍ＝１，．．．，Ｍ｝は右ＨＲフィルタのオンセット遅延のシーケンスを示す。

Ｈは、左および右ＨＲフィルタのオンセット遅延から導出されたＩＴＤのデータシーケンスをも含んでいることがあり、すなわち、Ｈ＝｛θ，Φ，Ｈ^ｌ，Ｈ^ｒ，τ^ｌ，τ^ｒ，τ^ＩＴＤ｝であり、ここで、τ^ＩＴＤ＝｛τ^ＩＴＤ［ｍ］：ｍ＝１，．．．，Ｍ｝は、ＩＴＤのシーケンスを示す。

いくつかの実施形態では、Ｈは、左および右ＨＲフィルタのオンセット遅延から導出されたＩＴＤのデータシーケンスを含んでいることがあるが、左ＨＲフィルタのオンセット遅延のシーケンスおよび右ＨＲフィルタのオンセット遅延のシーケンスを含んでいないことがあり、すなわち、Ｈ＝｛θ，Φ，Ｈ^ｌ，Ｈ^ｒ，τ^ＩＴＤ｝である。

本開示のいくつかの実施形態では、少なくとも４つの異なるＨＲフィルタデータセット、すなわち、元のデータセットＨ_０、初期ＨＲフィルタデータセットＨ_Ｉ、抽出されたデータセットＨ_Ｘ、およびモデル生成されたデータセットＨ_Ｍが使用され得る。

元のデータセットＨ_０は、

を含んでいることがある。ただし、いくつかの実施形態では、データセットは、

をさらに含んでいることがある。言い換えれば、Ｈ_０は、

として表され得る。また、元のデータセットＨ_０は、ＩＴＤのデータシーケンスτ^ＩＴＤを含むことも含まないこともある。

初期ＨＲフィルタデータセットＨ_Ｉは、反復的に誤差補正されるかまたはされることになるフィルタセットであり得る。初期ＨＲフィルタデータセットＨ_Ｉは、Ｈ_０から

により初期化され得、たとえば、

である。初期ＨＲフィルタデータセットＨ_Ｉはまた、抽出されるべき左および右フィルタの長さ

と、抽出において使用されるべき左および右フィルタについてのオンセット遅延シーケンス

とを指定する抽出指定により初期化され得る。

は、以下により初期化され得る。

（１）利用可能であるとき、Ｈ_０から取得されたオンセット遅延シーケンス、

（２）

において各フィルタのオンセットを推定することによって取得された左および右オンセット遅延シーケンス、ならびに／または

（３）単一のサンプルオンセット遅延シーケンス

は、すべての左ＨＲフィルタのために使用される所望の左オンセット遅延を指定し、

は、すべての右ＨＲフィルタのために使用される所望の右オンセット遅延を指定する。このオプションでは、フィルタは、固定の左および右オンセット遅延を伴って抽出され得る。さらに、元のＨＲフィルタセットが抽出されるべきであるとき、初期ＨＲフィルタデータセットＨ_Ｉのためのフィルタ抽出指定は、

になる。

上記で説明されたように、Ｈ_Ｉは、

として表され得る。反復された誤差補正プロセス中に、

は、必要に応じて更新され得る。また、上記で説明されたように、

は、抽出プロセスにおいて使用され得る。

いくつかの実施形態では、抽出されたＨＲフィルタデータセットＨ_Ｘは、

として表され得、ここで、

は、

に従って

から抽出されたフィルタ（フィルタセット）の左および右シーケンスである。

たとえば、

および

であり、ここで、

は、

の抽出されたＦＩＲフィルタであり、

である。

および

であり、ここで、

の抽出されたＦＩＲフィルタであり、

である。

反復されたモデルベース誤差補正では、Ｈ_Ｘは、モデルＭ_Ｘでモデル化され得る。モデルＭ_Ｘは、抽出されたＨＲフィルタデータセットＨ_Ｘ中のフィルタの空間変動をモデル化する関数であり得る。モデルＭ_Ｘの詳細な説明が以下で提供される。モデル生成されたデータセットＨ_Ｍは、Ｈ_Ｘを近似するモデルＭ_Ｘによって生成されたフィルタセットである。Ｈ_Ｍは、

として表され得る。Ｈ_Ｘ中のフィルタとＨ_Ｍ中のフィルタとの間のモデル化誤差は、どのフィルタを分類すべきかと、どのフィルタに対して誤差補正を実施すべきかとを検出するために使用され得る。

反復的誤差補正プロセスが停止したとき、プロセスの出力は、（１）（Ｈ_ｆｃと示された）最終の補正されたＨＲフィルタデータセット、（２）最終の補正されたＨＲフィルタデータセット（Ｈ_ｆｃ）から抽出された、抽出されたＨＲフィルタデータセットＨ’_Ｘの生成されたモデルＭ’_Ｘ、（３）出力指定Ｏにおいて指定された仰角θおよび方位角Φにおいて（２）におけるモデルＭ’_Ｘから生成された新しいモデル化されたＨＲフィルタデータセットＨ’_Ｍのうちの１つとして、出力指定Ｏに従って配信され得る。

反復的モデル化ベース誤差補正プロセスの概観

図５は、いくつかの実施形態による、ＨＲフィルタの抽出されたセットを改善するための反復的モデル化ベース誤差補正方法５００を示す。

方法５００の入力は、元のＨＲフィルタデータセットＨ_０、抽出指定Ｘ、および出力指定Ｏであり得る。

元のＨＲフィルタデータセットＨ_０は、既存のファイルからのＨＲフィルタデータセットをＨ_０にロードすることによって取得され得る。

抽出指定Ｘは、Ｈ_Ｉを初期化するために使用し、後にＨ_ＩからＨ_Ｘを抽出する反復ループのために使用すべき

の所望の値を指定することによって取得され得る。上記で説明されたように、

は、左および右の抽出されたフィルタの所望の長さを規定し、

が抽出される時間インスタンスを規定し、

が抽出される時間インスタンスを規定する。

所望の抽出されたＨＲフィルタセットが、元のＨＲフィルタセット、または左フィルタと右フィルタとがすべて同じオンセット遅延において抽出されるＨＲフィルタセットであるとき、

中のすべてのエレメントは、同じ値を有する、すなわち、

であるようにセットされ得、または、それらのエレメントは、すべてのＭ個の仰角および方位角のために

が使用されるものとして、長さ１のシーケンスとして規定され得る。

所望の抽出されたＨＲフィルタがゼロ時間オンセット遅延ＨＲフィルタセットであるとき、

であり、各エレメントが各ＨＲフィルタのオンセット遅延に対応する。いくつかのデータセット（たとえば、ＣＩＰＩＣデータセット）は、

として直接使用され得るオンセット遅延情報を提供する。しかしながら、データセットの大部分は、そのような情報を提供しない。そのような情報が元のデータセットにおいて提供されない場合、各ＨＲフィルタについてオンセット遅延が推定される必要がある。このオンセット推定を行うための多くの異なる方法が存在する。オンセット推定アルゴリズムの（１つまたは複数の）例は、ＰＣＴ／ＥＰ２０２０／０７９０４２において説明される。

出力指定Ｏは、所望の出力データセットの、

示されるタイプ、および必要な場合、所望の角度｛θ_Ｄ，Φ_Ｄ｝のシーケンスを指定することによって取得され得る。

出力データセットが、最終の補正されたＨＲフィルタデータセットＨ_ｆｃであるのか、最終の補正されたＨＲフィルタデータセットＨ_ｆｃから抽出された、抽出されたＨＲフィルタデータセットＨ’_ＸのモデルＭ’_Ｘであるのか、モデルＭ’_Ｘから生成された新しいモデル化されたＨＲフィルタデータセットＨ’_Ｍであるのかを示し得る。｛θ_Ｄ，Φ_Ｄ｝は、モデル生成されたＨＲフィルタデータセットを使用してより良いレンダリング品質を取得するために、Ｈ_０から直接取得されるか、または、何らかの他のやり方で、たとえば、より密にサンプリングされた球面グリッドに基づいて、および潜在的にモデル性能にも基づいて、決定され得る。

上記で説明されたように、本開示の実施形態では、出力は、改善されたＨＲフィルタデータセット（すなわち、最終の補正されたＨＲフィルタデータセットＨ_ｆｃ）であり得、ここで、改善されたＨＲフィルタデータセットのＨＲフィルタは、Ｈ_Ｉと同じフォーマットで記憶され得るか、あるいは、改善されたＨＲフィルタデータセットまたはモデル生成されたＨＲフィルタデータセットのモデルによって表され得る。

上記で説明された、入力を取得することの後に、反復的モデル化ベース誤差補正方法５００が実施され得る。方法５００は、初期化プロセス５０２と、反復ループプロセス５０４と、出力プロセス５０６とを含んでいることがある。

いくつかの実施形態では、反復ループプロセス５０４は、３つのプロセス、すなわち、モデル化プロセス５１２と、モデル誤差検出および分類プロセス５１４と、ＨＲフィルタデータセット誤差補正プロセス５１６とを含み得る。

方法５００は、オフラインで、または、バイノーラルオーディオレンダラにＨＲフィルタデータセットをロードすることに関してそのレンダラ内で、稼働され得る。

反復的モデル化ベース誤差補正方法５００の詳細

１．初期化プロセス

初期化プロセス５０２において、反復ループにおいて必要とされる一部または全部のデータ変数が初期化される。反復ループにおいて必要とされるデータ変数は、（１）元のＨＲフィルタデータセットＨ_０および抽出指定Ｘから取得された初期ＨＲフィルタデータセットＨ_Ｉ、（２）誤差しきい値Ｔ_ε、（３）反復条件Ｃ_Ｉ、ならびに（４）分類器（ｃｌａｓｓｉｆｉｅｒ）のリストＬ_{Ｃｌａｓｓｉｆｉｅｒｓ}のうちの１つまたは複数を含み得る。

１．１ 初期ＨＲフィルタデータセットＨ_Ｉ

いくつかの実施形態では、

であり、ここで、

は、元のＨＲフィルタデータセットＨ_０における対応するデータ構造により初期化され、

は、抽出指定Ｘにおける対応するデータ構造により初期化される。

１．２ 誤差しきい値Ｔ_ε

Ｔ_εは、ＨＲフィルタのモデル化誤差のためのしきい値に対応し得る。しきい値は、分類すべきＨＲフィルタの選択のために使用され得る。たとえば、ＨＲフィルタに関連するモデル化誤差がしきい値よりも大きい場合、そのＨＲフィルタは、分類のために選択され得る。一例では、しきい値は０．１０である。

１．３ 反復条件Ｃ_Ｉ

Ｃ_Ｉは、反復ループを制御する論理式に対応し得る。反復ループは、この論理式が偽になるまで反復し得る。論理式は、それ以上、補正すべきＨＲフィルタがないとき、または反復の数が指定された最大値に達したとき、論理式が偽になるように、構築され得る。

１．４ 分類器のリストＬ_{Ｃｌａｓｓｉｆｉｅｒｓ}

Ｌ_{Ｃｌａｓｓｉｆｉｅｒｓ}は、モデル化誤差の分類と最終的なＨＲフィルタ補正とをハンドリングするために使用される分類器のリストであり得る。リスト中の各項目は、（１）分類ＩＤ、（２）モデル化誤差が特定のクラスのものであるか否かを決定するための分類方法、および（３）分類された誤差が補正され得るかどうかを示すフラグのうちの１つまたは複数を含んでいることがある。

分類された誤差が補正され得る場合、対応する項目は、クラス固有補正データ構造を提供されたとき、分類された誤差を補正するための補正方法をも含み得る。このクラス固有補正データ構造は、分類されたフィルタの

中の項目に含まれ得る。

２．反復ループプロセス

反復ループプロセス５０４において、以下の３つのサブプロセス、すなわち、（１）モデル化サブプロセス５１２、（２）モデル誤差検出および分類サブプロセス５１４、ならびに（３）ＨＲフィルタセット誤差補正サブプロセス５１６が、論理式Ｃ_Ｉが偽になるまで繰り返され得る。

２．１ モデル化

図６に示されているように、モデル化プロセス５１２は、３つのステップ、すなわち、ステップｓ６０２、ｓ６０４、およびｓ６０６を含んでいることがある。

ステップｓ６０２は、反復ループの第１の反復において、初期ＨＲフィルタデータセットＨ_Ｉから、抽出されたＨＲフィルタデータセットＨ_Ｘを取得することを含む。ステップｓ６０４は、抽出されたＨＲフィルタデータセットＨ_ＸのモデルＭ_Ｘを取得することを含む。ステップｓ６０６は、モデルＭ_Ｘから生成されたＨＲフィルタデータセットＨ_Ｍを取得することを含む。

２．１．１ ステップｓ６０２－抽出されたＨＲフィルタデータセットＨ_Ｘを取得すること

ステップｓ６０２は、初期ＨＲフィルタデータセットＨ_Ｉから、抽出されたＨＲフィルタデータセットＨ_Ｘを取得することを含む。いくつかの実施形態では、

であり、ここで、θ_０、Φ_０は、Ｈ_Ｉにおける対応するデータ構造として取得され、

は、Ｈ_Ｉにおける

に従って、Ｈ_Ｉにおける

から抽出され、ここで、

および

であり、ここで、

は、

の抽出されたＦＩＲフィルタである。

同様に、いくつかの実施形態では、

および

であり、ここで、

は、

の抽出されたＦＩＲフィルタである。

２．１．２ ステップｓ６０４－モデルＭ_Ｘを取得すること

ステップｓ６０４は、抽出されたＨＲフィルタデータセットＨ_ＸのモデルＭ_Ｘを取得することを含む。いくつかの実施形態では、

は、別々にモデル化される。本開示における記法を簡略化するために、下付き文字および上付き文字は、特に必要とされないとき、省略される。

ＨＲフィルタセットＨ中のフィルタの空間変動は、仰角および方位角の

としてモデル化され得る。一般的な形態では、モデルは

によって表され得、ここで、ｆは、すべてのモデルパラメータを含むＡとすべての基底関数を含む

とをもつ線形または非線形関数であり得る。基底関数は、学習可能であるか、またはあらかじめ規定され得る。一例として、Ｐ個の基底関数をもつ線形モデルでは、この関数は、

によって明示的に表され得、Ａ＝［α_１，．．．，α_Ｐ］はモデルパラメータセットであり、ここで、α_ｐ＝［α_１，．．．，α_Ｎ］^Ｔは、ｐ番目の

のためのモデルパラメータベクトルである。［・］^Ｔは転置演算子を示す。

は基底関数のシーケンスである。

は、空間変数を固定空間サンプリングポイントと区別するためにθおよびφの代わりにここで使用されることに留意されたい。線形モデルが使用されるのか非線形モデルが使用されるのかにかかわらず、

は、正則化項、すなわち

を含み得る選ばれた損失関数（ｌｏｓｓ ｆｕｎｃｔｉｏｎ ｏｆ ｃｈｏｉｃｅ）Ｌを最小限に抑えるＡセットとして取得され得、ここで、

を仮定すれば、サンプリングされた角度（θ［ｍ］，Φ［ｍ］）におけるＨＲフィルタの近似である。

そのような損失関数の一例は、２乗誤差損失、すなわち

である。

線形モデルでは、

は、線形最小２乗推定を通して取得され得る。非線形モデルでは、

は、反復的勾配ベース方法を通して推定され得る。モデル化アルゴリズムの（１つまたは複数の）例は、ＰＣＴ／ＥＰ２０２０／０７９０４２において説明される。

ＨＲフィルタとＤＯＡとの間の基本的な関係は、通常、連続的と見なされる。しかしながら、上記で説明されたように、雑音または測定誤差は、ＨＲフィルタ測定プロセスにおいて不可避であり、たとえば、測定において不連続性が現れる。ＨＲフィルタセットにおける雑音または誤差にモデルを過剰適合させることを回避するために、２つのストラテジー、すなわち、１）基底関数を、その平滑さを、ＨＲフィルタの本質的空間変動をキャプチャするのに十分にリッチでありながら最大にするように、慎重に設計すること、および２）平滑さを強いるために損失関数にいくつかの正則化を適用することが適用され得る。

抽出されたＨＲフィルタのモデル表現は、

との間の関係を決定するモデル化関数ｆとを含んでいる

によって示され得る。

におけるＨＲフィルタベクトルが計算され得る。

Ｈ_Ｘがゼロ時間遅延ＨＲフィルタデータセットである場合、

との間の差である

の関数として、別々に、モデル化され得る。同様に、オンセット遅延τのセットのモデルは、

によって表され得、ここで、ｇは、すべてのモデルパラメータを含むβとすべての基底関数を含むＢとをもつ線形または非線形関数であり得る。基底関数は、学習可能であるか、またはあらかじめ規定され得る。一例として、線形モデルでは、この関数は、

によって与えられ、ここで、β_ｑは、ｑ番目の

のモデル係数であり、Ｑは基底関数の数である。

ＨＲフィルタと同様に、

は、選ばれた損失関数を最小限に抑える

として取得され得る。そのような損失関数の一例は、２乗誤差損失、すなわち

であり、ここで、

は、βおよびＢを仮定すれば、サンプリングされた角度（θ［ｍ］，Φ［ｍ］）における遅延τの近似である。

遅延のモデル表現は、

と、基底関数Ｂと、

との間の関係を記述するモデル化関数ｇとを含んでいる

によって示され得る。

Ｍ_Ｘによって示される、抽出されたＨＲフィルタデータセットＨ_Ｘのモデル表現は、

のモデル表現を含んでいることがある。適用可能なとき、Ｍ_Ｘは、左ＨＲフィルタおよび右ＨＲフィルタのオンセット遅延の

をも含んでいることがある。反復ループ内では、オンセット遅延モデルは必要とされないことがある。

２．１．３ ステップｓ６０６－モデルＭ_Ｘを使用してＨＲフィルタモデルデータセットＨ_Ｍを生成すること

ステップｓ６０６において、

が、サンプリングされた角度｛θ，Φ｝のシーケンスによって指定された所与のロケーションにおいて

を使用して生成され得、ここで、θ＝｛θ［ｍ］：ｍ＝１，．．．，Ｍ｝であり、Φ＝｛Φ［ｍ］：ｍ＝１，．．．，Ｍ｝である。サンプリングされた角度｛θ，Φ｝は、

から直接取得され得る。

いくつかの実施形態では、

および

の各々が、以下の３つのステップを実施することによって、それぞれ

から生成され得る。

｛１，．．．，Ｍ｝中の各ｍについて、
１．サンプリングされた角度シーケンスθおよびφから球面角θ［ｍ］およびΦ［ｍ］を取得する。
２．Ｍ_Ｘ中の

を使用して、モデル化関数ｆと、

とを使用して（θ［ｍ］，Φ［ｍ］）において

を算出する。線形モデルの場合、

によって計算され得る。
３．Ｍ_Ｘ中の

を使用して、モデル化関数ｆと、

とを使用して（θ［ｍ］，Φ［ｍ］）において

を算出する。線形モデルの場合、

によって計算される。

同様に、

の各々が、以下の２つのステップを実施することによって、それぞれ

から生成され得る。代替または追加として、

が、以下の２つのステップを実施することによって、

から生成され得る。

｛１，．．．，Ｍ｝中の各ｍについて、
１．サンプリングされた角度シーケンスθおよびφから球面角θ［ｍ］およびΦ［ｍ］を取得する。
２．Ｍ_Ｘ中の遅延セットモデルＭ_τを使用して、モデル化関数ｇと、

と、基底関数Ｂとを使用して（θ［ｍ］，Φ［ｍ］）において遅延τ_Ｍ［ｍ］を算出する。線形モデルの場合、τ_Ｍ［ｍ］は

によって計算され得る。

遅延データセットの生成は、反復ループプロセスにおいて必要とされない。言い換えれば、遅延データセットの生成は、反復ループプロセスにおける随意のステップである。

２．２ モデル誤差検出および分類プロセス

図６に示されているように、モデル誤差検出および分類プロセス５１４は、ステップｓ６０８とステップｓ６１０とを含み得る。

ステップｓ６０８は、分類すべきＨＲフィルタのインデックスの

を取得することを含み得る。分類すべきＨＲフィルタは、誤差しきい値Ｔ_εを超えるモデル化誤差を有する。

ステップｓ６１０は、分類されたＨＲフィルタの

を取得することを含み得る。

２．２．１ ステップｓ６０８－分類すべきＨＲフィルタのインデックスの

を取得すること

分類すべきＨＲフィルタのインデックスのリストは、（１）Ｈ_Ｍ中のすべてのＨＲフィルタのモデル化誤差を評価することと、（２）誤差しきい値Ｔ_εを超えるモデル化誤差を見つけることと、（３）誤差しきい値Ｔ_εを超えるモデル化誤差を有するＨＲフィルタのインデックスを

中に入れることとによって、取得され得る。左ＨＲフィルタと右ＨＲフィルタとについて別個のインデックスリストがあり得る。

Ｈ_Ｍ中のすべてのＨＲフィルタのモデル化誤差の評価は、Ｈ_ＸおよびＨ_Ｍ中の左および右ＨＲフィルタシーケンスを使用することによって取得され得る。たとえば、左モデル化誤差および右モデル化誤差は、以下のように算出され得る。

（１） 空である左インデックスリストｉ^ｌ＝［］および右インデックスリストｉ^ｒ＝［］を初期化すること。

（２） ｛１，．．．，Ｍ｝中の各ｍについて、
（２－１）

を評価すること。これらの誤差は、正規化されたモデル化誤差、すなわち、

として評価され得、ここで、

は正規化関数である。一例として、Ｌ２損失関数では、左の正規化された

は、

または何らかの他の形態のモデル化誤差によって与えられる。
（２－２）

（３）

をセットすること。

例）

であるとき、ならびに

に関連する誤差の各々がＴ_εよりも大きい場合、

が、１、３、および５のインデックス値を含み得る。

２．２．２ ステップｓ６１０－分類されたＨＲフィルタの

を取得すること

分類されたＨＲフィルタの

は分類項目のリストであり、ここで、各分類項目は、以下のうちのいずれか１つまたは複数を含んでいることがある。

（１）抽出されたＨＲフィルタデータセットＨ_Ｘ中に含まれる特定のＨＲフィルタのインデックスと、特定のＨＲフィルタが左ＨＲフィルタであるのか右ＨＲフィルタであるのかの指示とに関する情報をもつフィルタＩＤ、

（２）特定のＨＲフィルタに関連するモデル化誤差のクラスと、クラスの誤差が補正可能であるかどうかとを識別する分類ＩＤ、および

（３）その誤差クラスのための補正方法によって必要とされる補正情報をもつクラス固有補正データ構造。

上記で提供された例では、

であり、

である。また、

に関連する誤差の各々がＴ_εよりも大きく、

が、１、３、および５のインデックス値を含む。

上記の例では、

に関連する誤差が、補正可能誤差クラス＃Ｅ１に属する場合、

に関連する誤差は、非補正可能誤差クラス＃Ｅ２に属し、

に関連する誤差は、補正可能誤差クラス＃Ｅ３に属し、分類されたフィルタの

は、項目Ｌ１_{ｃｌａｓｓｉｆｉｅｄ}と、項目Ｌ２_{ｃｌａｓｓｉｆｉｅｄ}と、項目Ｌ３_{ｃｌａｓｓｉｆｉｅｄ}とを含み得、Ｌ１_{ｃｌａｓｓｉｆｉｅｄ}は、［１］のインデックス値とＨＲフィルタが左ＨＲフィルタであるという指示とに関する情報をもつＬ１フィルタＩＤと、誤差クラス＃Ｅ１を識別し、＃Ｅ１が補正可能であることを示すＬ１分類ＩＤと、クラス固有補正データ構造とを含んでいる。

同様に、Ｌ２_{ｃｌａｓｓｉｆｉｅｄ}は、［３］のインデックス値とＨＲフィルタが左ＨＲフィルタであるという指示とに関する情報をもつＬ２フィルタＩＤと、誤差クラス＃Ｅ２を識別し、＃Ｅ２が補正可能でないことを示すＬ２分類ＩＤとを含んでいる。

同様に、Ｌ３_{ｃｌａｓｓｉｆｉｅｄ}は、［５］のインデックス値とＨＲフィルタが左ＨＲフィルタであるという指示とに関する情報をもつＬ３フィルタＩＤと、誤差クラス＃Ｅ３を識別し、＃Ｅ３が補正可能であることを示すＬ３分類ＩＤと、クラス固有補正データ構造とを含んでいる。

ＨＲフィルタモデル化誤差のいくつかのクラスでは、高い程度の信頼性で、モデル化誤差がそれらのクラスのものであるか否かを決定することができる分類方法があり得る。これらのクラスのうちのいくつかでは、誤差を直すためにＨＲフィルタを補正するための方法があり得る。異なるモデル化誤差クラスのための補正方法は大幅に変動し得、したがって、いくつかの実施形態では、それらの補正方法は、それらのクラスについて提供される。

分類され得るモデル化誤差のこれらのクラスを管理するために、分類のリストＬ_{Ｃｌａｓｓｉｆｉｃａｔｉｏｎｓ}が使用され得る。そのリスト中の各項目は、以下のうちのいずれか１つまたは複数を含んでいることがある。

（１）分類ＩＤ、

（２）モデル化誤差がそのクラスのものであるか否かを決定するための分類方法、および

（３）分類された誤差が補正され得るかどうかを示すフラグ。

分類ＩＤに対応する抽出されたＨＲフィルタが補正され得る場合、Ｌ_{Ｃｌａｓｓｉｆｉｃａｔｉｏｎｓ}中の項目は、一般に、分類されたＨＲフィルタの

中に含まれる、クラス固有補正データ構造を提供されたとき、抽出されたＨＲフィルタを補正する補正方法をも含んでいることがある。

特に関心のある１つのクラスは、遅延誤差のクラスである。遅延誤差を特徴づけるものは、抽出されたフィルタの正規化されたモデル化誤差が比較的大きいということであるが、フラクショナル（ｆｒａｃｔｉｏｎａｌ）サンプルシフトであり得るシフトτ_０が存在し、したがって、このシフトがＨ_Ｉ中の対応する初期ＨＲフィルタに適用されるとき、これが、基本的に、抽出されたＨＲフィルタをＨ_Ｍ中の対応するＨＲフィルタと整合させ、正規化されたモデル化誤差を大幅に低減することになることである。周波数領域では、遅延誤差を特徴づけるものは、抽出およびモデル化されたＨＲフィルタの大きさの差が小さく、２つのＨＲフィルタのアンラップされた（ｕｎｗｒａｐｐｅｄ）位相の差が、－τ_０の傾きとほぼ線形であるはずであることである。

この種類のモデル化誤差を分類するために使用される方法が、そのような条件を満たすτ_０を見つけたとき、その方法は、分類情報をもつ分類されたＨＲフィルタの

に分類項目を付加する。分類項目中のこのクラスのためのクラス固有補正データ構造は、シフトτ_０を含んでいる必要がある。分類ステップを通るＨＲフィルタのセットでは、それらの正規化されたモデル化誤差が、あるしきい値を上回ることがすでに確立されたことに留意されたい。

この種類のモデル化誤差を分類するために、いくつかの方法が使用され得る。２つの実施形態が提供される。一方が時間領域におけるものであり、他方が周波数領域におけるものである。一実施形態では、時間領域において動作する以下の方法、すなわち、シフトの所定のシーケンスにわたってループすることが使用される。

この方法は、フラクショナルであり得るシフトの所定のシーケンス｛τ_ｋ＝－τ_１＋（ｋ－１）Δτ：ｋ＝１，．．．，Ｋ｝にわたってループし、シフトされた抽出されたＨＲフィルタを取得し、それらのシフトされたＨＲフィルタの各々の正規化されたモデル化誤差を評価する。この方法はまた、最小の正規化されたモデル化誤差をもつシフトτ_ｐを見つけ得る。最小の正規化されたモデル化誤差が十分に小さい（しきい値によって制御される）場合、この方法は、τ_０＝τ_ｐをセットし、分類情報をもつ分類されたＨＲフィルタの

に分類項目を付加する。フラクショナルシフトは、フラクショナルシフトが、抽出されたＨＲフィルタのリサンプリングを必要とするので、より大きい複雑さを生じ得る。

周波数領域における実施形態を提示する前に、以下の記法が必要とされる。Ｆ_Ｘを、範囲０≦ω≦π内の第１の順序付きω値について、抽出されたＨＲフィルタｈ_ｘの高速フーリエ変換（ＦＦＴ）のベクトルを示すものとし、Ｆ_Ｍを、対応するモデル化されたフィルタｈ_Ｍについて同じベクトルを示すものとする。ａｂｓ（Ｆ_Ｘ）をＦ_Ｘベクトルのエレメントの絶対値のベクトルとし、ａｂｓ（Ｆ_Ｍ）をＦ_Ｍベクトルのエレメントの絶対値のベクトルとする。

別の実施形態では、周波数領域において動作する以下の方法が使用される。差分ベクトルａｂｓ（Ｆ_Ｘ）－ａｂｓ（Ｆ_Ｍ）の正規化されたノルムが、あるしきい値を下回るとき、大きいモデル化誤差がＦＦＴの角度または位相の差によることと、これらの角度差が、たいがい遅延誤差によって引き起こされることとは、明らかである。この方法では、第１のステップは、この条件が満たされる、分類すべきＨＲフィルタのリスト中のＨＲフィルタを識別することである。そのようなＨＲフィルタが見つけられると、アンラップされた角度／位相の差、すなわち、ａｎｇｌｅ（Ｆ_Ｘ）－ａｎｇｌｅ（Ｆ_Ｍ）が、－τ_０ω（τ_０の遅延誤差によって引き起こされる位相の差）としてモデル化され、正規化された

を最小限に抑えるτ_０が取得される。このモデル化誤差を遅延誤差として分類する前の最終の検証として、補正された抽出されたフィルタについてのモデル化誤差が、あるしきい値を下回ることが確認される。

２．３ ＨＲフィルタセット誤差補正プロセス

図６に示されているように、反復ループの第１の反復において、ＨＲフィルタセット誤差補正プロセス５１６は、第１の補正されたＨＲフィルタデータセットＨ’_Ｉを取得することを含み得る。いくつかの実施形態では、Ｈ’_Ｉは、分類されたＨＲフィルタの

中の項目を通して、および補正可能である各項目について反復することと、以下のステップを実施することとによって、取得され得る。

（１）フィルタインデックスと、対応するＨＲフィルタが左ＨＲフィルタであるのか右ＨＲフィルタであるのかとに関する情報を含んでいるフィルタＩＤを取得すること、

（２）補正すべきＨ_Ｉ中のＨＲフィルタを取得するために、取得されたフィルタＩＤを使用すること、

（３）分類ＩＤを取得し、その分類ＩＤを、リストＬ_{Ｃｌａｓｓｉｆｉｃａｔｉｏｎｓ}から補正関数を取得するために使用すること、

（４）そのクラスのための補正関数によって必要とされる補正情報をもつクラス固有補正データ構造を取得すること、

（５）取得されたクラス固有補正データ構造を使用して、Ｈ_Ｉ中の取得されたＨＲフィルタに対して、取得された補正関数を実行すること。これは、元のＨＲフィルタデータセットＨ_０から余分のフィルタデータサンプルを取得することを伴うか、または、たとえば０を付加することによって、ＨＲフィルタデータを外挿し、必要な場合、対応するオンセット遅延を更新し得る。

ステップ５１６の後に、条件Ｃ_１が依然として真である場合、Ｈ_ＩはＨ’_Ｉに等しくセットされ、ステップ５１２、５１４、および５１６が繰り返される。

３．出力プロセス

図６に示されているように、出力プロセス５０６は、出力指定Ｏに基づいて以下の出力データセットのうちの１つを出力し得る。出力指定Ｏは、所望の出力データセットの

および／または、所望の角度｛θ_Ｄ，Φ_Ｄ｝のシーケンスを指定し得る。

（１）最終の補正されたＨＲフィルタデータセットＨ_ｆｃ、ここで、Ｈ_ｆｃは、ステップ５１６が最後に実施されたときに生成された、補正されたＨＲフィルタデータセットである（たとえば、ループの１つの反復のみがある場合、Ｈ_ｆｃ＝Ｈ’_Ｉである）、

（２）最終の補正されたＨＲフィルタデータセットＨ_ｆｃから抽出された、抽出されたＨＲフィルタデータセットから生成されたモデルＭ’_Ｘ、

（３）出力指定Ｏにおいて指定された、仰角θ_０および方位角Φ_０においてモデルＭ’_Ｘから生成された、新しいモデル化されたＨＲフィルタデータセットＨ’_Ｍ。

図７Ａは、いくつかの実施形態による、例示的なシステム７００を示す。システム７００は、プリプロセッサ７０２とオーディオレンダラ７０４とを備える。プリプロセッサ７０２およびオーディオレンダラ７０４は、同じエンティティ中に、または異なるエンティティ中に含まれ得る。また、プリプロセッサ７０２中に含まれる異なるモジュール（たとえば、７１２および７１４）は、同じエンティティまたは異なるエンティティ中に含まれ得、オーディオレンダラ７０４中に含まれる異なるモジュール（たとえば、７１６および７１８）は、同じエンティティまたは異なるエンティティ中に含まれ得る。

プリプロセッサ７０２は、ＨＲフィルタ補正モジュール７１２とメモリ７１４とを備える。ＨＲフィルタ補正モジュール７１２は、ＨＲフィルタのセットを改善するための（図５に示されている）モデル化ベース誤差補正方法５００を実施するように設定され得る。したがって、ＨＲフィルタ補正モジュール７１２の入力は、誤差補正方法５００の入力、すなわち、元のＨＲフィルタデータセットＨ_０、抽出指定Ｘ、および出力指定Ｏであり得る。上記で説明されたように、誤差補正方法５００の出力は、最終の補正されたＨＲフィルタデータセットＨ_ｆｃを表すモデルＭ’_Ｘであり得る。したがって、一実施形態では、ＨＲフィルタ補正モジュール７１２は、モデルＭ’_Ｘに関連するＨＲフィルタモデル表現７２０を出力し得る。出力されたＨＲフィルタモデル表現７２０は、メモリ７１４に記憶され得る。

オーディオレンダラ７０４は、ＨＲフィルタ生成器７１６とバイノーラルレンダラ７１８とを備える。ＨＲフィルタ生成器７１６は、メモリ７１４からＨＲフィルタモデル表現７２０を読み取り、レンダリングメタデータ７２２を受信し得る。ＨＲフィルタモデル表現７２０およびレンダリングメタデータ７２２を使用して、ＨＲフィルタ生成器７１６は、完全なＨＲフィルタ表現７２４を生成し、出力し得る。ＨＲフィルタ表現７２４は、メタデータ７２２中で示される１つまたは複数の所与の空間角度においてＨＲフィルタモデル表現７２０を使用して生成された１つまたは複数のＨＲフィルタに対応し得る。受信されたＨＲフィルタ表現７２４を使用して、バイノーラルレンダラ７１８は、バイノーラルオーディオ信号７２６を生成し得る。

図７Ｂは、いくつかの実施形態による、例示的なシステム７５０を示す。システム７５０は、プリプロセッサ７５２とオーディオレンダラ７５４とを備える。プリプロセッサ７５２およびオーディオレンダラ７５４は、同じエンティティ中に、または異なるエンティティ中に含まれ得る。また、プリプロセッサ７５２中に含まれる異なるモジュール（たとえば、７６２および７６４）は、同じエンティティまたは異なるエンティティ中に含まれ得、オーディオレンダラ７５４中に含まれる異なるモジュール（たとえば、７６６および７６８）は、同じエンティティまたは異なるエンティティ中に含まれ得る。

プリプロセッサ７５２は、ＨＲフィルタ補正モジュール７６２とメモリ７６４とを備える。ＨＲフィルタ補正モジュール７６２は、ＨＲフィルタのセットを改善するための（図５に示されている）モデル化ベース誤差補正方法５００を実施するように設定され得る。したがって、ＨＲフィルタ補正モジュール７６２の入力は、誤差補正方法５００の入力、すなわち、元のＨＲフィルタデータセットＨ_０、抽出指定Ｘ、および出力指定Ｏであり得る。上記で説明されたように、誤差補正方法５００の出力（すなわち、ＨＲフィルタ補正モジュール７６２の出力）は、ステップｓ５１６が最後に実施されたときに生成された、最終の補正されたＨＲフィルタデータセットであり得る。最終の補正されたＨＲフィルタデータセット７７０は、メモリ７６４に記憶され得る。

オーディオレンダラ７５４は、ＨＲフィルタ抽出器７６６とバイノーラルレンダラ７６８とを備える。ＨＲフィルタ抽出器７６６は、メモリ７６４から最終の補正されたＨＲフィルタデータセット７７０を読み取り、レンダリングメタデータ７７２を受信し得る。最終の補正されたＨＲフィルタデータセット７７０およびレンダリングメタデータ７７２を使用して、ＨＲフィルタ抽出器７６６は、完全なＨＲフィルタ表現７７４を出力し得る。完全なＨＲフィルタ表現７７４は、メタデータ７７２中で示された１つまたは複数の所与の空間角度において最終の補正されたＨＲフィルタデータセット７７０から取得された（たとえば、抽出または補間された）１つまたは複数のＨＲフィルタに対応し得る。受信された完全なＨＲフィルタ表現７７４を使用して、バイノーラルレンダラ７６８は、バイノーラルオーディオ信号７７６を生成し得る。

図８は、最終の補正された頭部関係（ＨＲ）フィルタデータセットＨ_ｆｃを作り出すためのプロセス８００である。プロセス８００は、第１の補正されたＨＲフィルタデータセット（Ｈ’_Ｉ）を取得することを含むステップｓ８０１から始まり得る。ステップｓ８０１は、ステップｓ８０２～ｓ８１２を含む。ステップｓ８０２は、初期ＨＲフィルタデータセットＨ_Ｉを取得することを含む。ステップｓ８０４は、初期ＨＲフィルタデータセットＨ_Ｉから抽出された、抽出されたＨＲフィルタデータセットＨ_Ｘを取得することを含む。ステップｓ８０６は、抽出されたＨＲフィルタデータセットＨ_ＸのモデルＭ_Ｘを取得することを含む。ステップｓ８０８は、モデルＭ_Ｘを使用して、モデル化されたＨＲフィルタデータセットＨ_Ｍを生成することを含む。ステップｓ８１０は、初期ＨＲフィルタデータセットＨ_Ｉ初期ＨＲフィルタデータセット中に含まれる１つまたは複数のＨＲフィルタを補正のために選択することを含む。ステップｓ８１２は、選択された１つまたは複数のＨＲフィルタを補正することによって、第１の補正されたＨＲフィルタデータセットＨ’_Ｉを生成することを含む。条件が満たされない（すなわち、論理式Ｃ_Ｉが真である）場合、プロセス８００は、第１の補正されたＨＲフィルタデータセットＨ’_Ｉを使用して、最終の補正されたＨＲフィルタデータセットＨ_ｆｃを生成することを含むステップｓ８１４をさらに含み得る。しかしながら、条件が満たされる場合、最終の補正されたＨＲフィルタデータセットＨ_ｆｃは、第１の補正されたＨＲフィルタデータセットＨ’_Ｉである。

いくつかの実施形態では、抽出されたＨＲフィルタデータセットＨ_Ｘを取得することは、フィルタ抽出指定Ｘを取得することと、Ｘに基づいてＨ_Ｘを取得することとを含む。

いくつかの実施形態では、Ｘは、フィルタ長を識別するフィルタ長値Ｎと、抽出のための開始点を識別する遅延値τのセットとを含む。

いくつかの実施形態では、モデルを取得することは、仰角および方位角の関数として、抽出されたＨＲフィルタデータセット中に含まれるＨＲフィルタの空間変動をモデル化することを含む。

いくつかの実施形態では、モデル化されたＨＲフィルタデータセット中に含まれるＨＲフィルタは、複数のサンプリングされた角度の各々においてモデルを使用してＨＲフィルタを算出することによって生成される。

いくつかの実施形態では、初期ＨＲフィルタデータセット中に含まれる１つまたは複数のＨＲフィルタを補正のために選択することは、Ｈ_Ｘ中に含まれる各ＨＲフィルタについて、ｉ）Ｈ_Ｍ中に含まれる対応するＨＲフィルタに基づいて、ＨＲフィルタについての誤差値を計算することと、ｉｉ）計算された誤差値に少なくとも部分的に基づいて、ＨＲフィルタを選択すべきか否かを決定することとを含む。

いくつかの実施形態では、Ｈ_Ｉは、

とを含み、Ｈ_Ｘは、

とを含む。また、Ｈ_Ｍは、

とを含む。

を含み、ここで、ｍは、

ＨＲフィルタのインデックスであり、１≦ｍ≦Ｍであり、Ｍは、

ＨＲフィルタの数を表す正の整数であり、

を含む。

各ＨＲフィルタについての誤差値は、対応するｍについての

との間の差に基づいて計算され得る。

を含み、ここで、ｍは、

ＨＲフィルタのインデックスであり、１≦ｍ≦Ｍであり、Ｍは、

ＨＲフィルタの数を表す正の整数であり、

を含む。

各ＨＲフィルタについての誤差値は、対応するｍについての

との間の差に基づいて計算される。

いくつかの実施形態では、

各ＨＲフィルタについての誤差値は、対応するｍについての

に基づいて計算され、

各ＨＲフィルタについての誤差値は、対応するｍについての

に基づいて計算される。

いくつかの実施形態では、方法は、Ｉ）

各ＨＲフィルタについての誤差値をしきい値と比較すること、およびしきい値を超える各誤差値について、（ｉ）誤差値に関連し、

ＨＲフィルタを識別し、（ｉｉ）

対応するＨＲフィルタをも識別するＨＲフィルタ識別子を、フィルタ分類リストに追加することであって、フィルタ分類リストが分類すべきフィルタを識別する、ＨＲフィルタ識別子をフィルタ分類リストに追加することと、ＩＩ）

各ＨＲフィルタについての誤差値をしきい値と比較すること、およびしきい値を超える各誤差値について、（ｉ）誤差値に関連し、

ＨＲフィルタを識別し、（ｉｉ）

対応するＨＲフィルタをも識別するＨＲフィルタ識別子を、フィルタ分類リストに追加することであって、フィルタ分類リストが分類すべきフィルタを識別する、ＨＲフィルタ識別子をフィルタ分類リストに追加することとをさらに含む。

いくつかの実施形態では、方法は、各々が、

のいずれか中に含まれる補正可能なＨＲフィルタを識別する、１つまたは複数のＨＲフィルタ識別子を、フィルタ分類リスト内に見つけることをさらに含む。初期ＨＲフィルタデータセット中に含まれる１つまたは複数のフィルタを補正のために選択するステップは、各々が、（ｉ）

のいずれか中に含まれ、（ｉｉ）上記で見つけられた１つまたは複数のＨＲフィルタ識別子によって識別される、１つまたは複数のＨＲフィルタを、補正のために選択することを含み得る。

いくつかの実施形態では、方法は、分類リスト中に含まれるＨＲフィルタ識別子によって識別される各ＨＲフィルタについて、ＨＲフィルタが補正可能であるかどうかを決定することをさらに含み、ＨＲフィルタが補正可能であるかどうかを決定することは、ＨＲフィルタのためのモデル化誤差クラスを決定することと、決定されたモデル化誤差クラスが補正可能であるかどうかを決定することとを含む。

いくつかの実施形態では、方法は、ＨＲフィルタが補正可能であると決定したことの結果として、補正可能なリストに、ｉ）ＨＲフィルタを識別するＨＲフィルタ識別子およびｉｉ）補正データ構造または補正データ構造へのポインタを追加することをさらに含み、補正データ構造が、ＨＲフィルタを補正する際に使用するための情報を含む。

いくつかの実施形態では、選択された１つまたは複数のＨＲフィルタを補正することは、各々が、（ｉ）

のいずれか中に含まれ、（ｉｉ）補正可能なリスト中に含まれるＨＲフィルタ識別子によって識別される、１つまたは複数のＨＲフィルタを見つけることと、対応する補正データ構造を使用して、上記で見つけられた１つまたは複数のＨＲフィルタを補正することとを含む。

いくつかの実施形態では、プロセスは、第１の補正されたＨＲフィルタデータセットＨ’_Ｉを使用して、最終の補正されたＨＲフィルタセットＨ_ｆｃを生成すること（ステップｓ８１４）と、第１の補正されたＨＲフィルタデータセットＨ’_Ｉを使用して、最終の補正されたＨＲフィルタセットＨ_ｆｃを生成することとは、第１の補正されたＨＲフィルタデータセットＨ’_Ｉから、第２の抽出されたＨＲフィルタデータセットを取得することと、第２の抽出されたＨＲフィルタデータセットの第２のモデルを取得することと、第２のモデルを使用して、第２のモデル化されたＨＲフィルタデータセットを生成することと、第２の抽出されたＨＲフィルタデータセットおよび第２のモデル化されたＨＲフィルタデータセットに基づいて、Ｈ’_Ｉ中に含まれる１つまたは複数のフィルタを補正のために選択することと、選択された１つまたは複数のＨＲフィルタを補正することによって、第２の補正されたＨＲフィルタデータセットを生成することとを含み、方法が、第２の補正されたＨＲフィルタデータセットを使用して、最終の補正されたＨＲフィルタセットＨ_ｆｃを生成することをさらに含むか、または最終の補正されたＨＲフィルタデータセットＨ_ｆｃが、第２の補正されたＨＲフィルタデータセットである。

いくつかの実施形態では、プロセスは、（１）最終の補正されたＨＲフィルタデータセットＨ_ｆｃ、（２）最終の補正されたＨＲフィルタデータセットＨ_ｆｃから抽出された、抽出されたＨＲフィルタデータセットから生成されたモデル、および（３）（２）において生成されたモデルから生成された新しいモデル化されたＨＲフィルタデータセットのうちのいずれか１つまたは複数を出力することをさらに含む。たとえば、いくつかの実施形態では、プロセスは、最終の補正されたＨＲフィルタデータセットＨ_ｆｃ、または最終の補正されたＨＲフィルタデータセットＨ_ｆｃから抽出された、抽出されたＨＲフィルタデータセットから生成されたモデルを出力することを含む。

いくつかの実施形態では、Ｈ_Ｘは、抽出されたＨＲフィルタ

を含み、Ｈ_Ｍは、モデル化されたＨＲフィルタ

を含む。いくつかの実施形態では、Ｈ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択することは、シフト（たとえば、τ_１、τ_２）のセット中に含まれる各シフトについて、シフト（たとえば、τ_１、τ_２）と抽出されたＨＲフィルタ

とを使用して、シフトされた抽出されたＨＲフィルタ

を取得することと、シフトされた抽出されたＨＲフィルタの各々に関連する誤差を計算することとを含む。選択することは、計算された誤差のうち、条件を満たす誤差を識別することと、識別された誤差に基づいて、抽出されたＨＲフィルタおよびモデル化されたＨＲフィルタに関連する誤差を、補正可能である遅延誤差のクラスとして分類することとをさらに含み得る。

いくつかの実施形態では、Ｈ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択することは、最小誤差に関連するシフトされた抽出されたＨＲフィルタを取得するために使用されたシフトを見つけることと、上記で見つけられたシフトを、遅延誤差のクラスについての補正パラメータとして使用することとをさらに含む。

いくつかの実施形態では、抽出されたＨＲフィルタデータセットＨ_Ｘは、抽出されたＨＲフィルタを含み、モデル化されたＨＲフィルタデータセットＨ_Ｍは、モデル化されたＨＲフィルタを含み、初期ＨＲフィルタデータセットＨ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択すること（ｓ８１０）は、周波数領域において、抽出されたＨＲフィルタの大きさとモデル化されたＨＲフィルタの大きさとの差の測度を計算することと、計算された測度がしきい値よりも小さいかまたはそれに等しいかどうかを決定するために、計算された測度をしきい値と比較することと、少なくとも比較に基づいて、抽出されたＨＲフィルタおよびモデル化されたＨＲフィルタに関連する誤差を、補正可能である遅延誤差のクラスとして分類することとを含む。

いくつかの実施形態では、初期ＨＲフィルタデータセットＨ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択すること（ｓ８１０）は、サンプル周波数において、抽出されたＨＲフィルタとモデル化されたＨＲフィルタとのアンラップされた角度および／または位相の差を計算することと、計算された差をモデル化する線形モデルを決定することと、サンプル周波数における線形モデルの計算された差および値に基づいてモデル化誤差を決定することと、モデル化誤差を誤差しきい値と比較することと、少なくともモデル化誤差と誤差しきい値との比較に基づいて、線形モデルのパラメータを、遅延誤差のクラスについての補正パラメータとして使用することとをさらに含む。

いくつかの実施形態では、Ｈ_Ｘは、抽出されたＨＲフィルタ

を含み、Ｈ_Ｍは、モデル化されたＨＲフィルタ

を含む。いくつかの実施形態では、Ｈ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択することは、抽出されたＨＲフィルタの位相とモデル化されたＨＲフィルタの位相との差を計算することと、シフト（たとえば、τ_１、τ_２）のセット中に含まれる各シフトについて、位相の計算された差と、シフトに基づいて計算された比較値（たとえば、－τ_０ω）との間の誤差を計算することとを含む。選択することは、計算された誤差のうち、最小誤差を識別することと、最小誤差に基づいて、抽出されたＨＲフィルタおよびモデル化されたＨＲフィルタに関連する誤差を、補正可能である遅延誤差のクラスとして分類することとをさらに含み得る。

いくつかの実施形態では、Ｈ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択することは、最小誤差を生じる比較値を計算するために使用されたシフトを見つけることと、上記で見つけられたシフトを、遅延誤差のクラスについてクラス固有補正データ構造中で補正パラメータとして使用することとをさらに含む。

いくつかの実施形態では、フィルタ分類リストは、前記１つまたは複数のＨＲフィルタ識別子が、

を示すインジケータを含む。

いくつかの実施形態では、条件を満たす誤差を識別することは、計算された誤差のうちの最小誤差を識別することを含む。

図９は、図７ａおよび図７ｂに示されているプリプロセッサ７０２または７５２を実装するための、いくつかの実施形態による、装置９００のブロック図である。上記で説明されたように、プリプロセッサ７０２または７５２は、本明細書で説明されたＨＲフィルタ補正を実施するように設定され得るＨＲフィルタ補正モジュール７１２または７６２を含み得る。図９に示されているように、装置９００は、１つまたは複数のプロセッサ（Ｐ）９５５（たとえば、汎用マイクロプロセッサ、および／または、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）など、１つまたは複数の他のプロセッサなど）を含み得る処理回路（ＰＣ）９０２であって、そのプロセッサが、単一のハウジングにおいてまたは単一のデータセンタにおいて共同サイト式であり得るかあるいは地理的に分散され得る（すなわち、装置９００が分散コンピューティング装置であり得る）、処理回路（ＰＣ）９０２と、少なくとも１つのネットワークインターフェース９４８であって、各ネットワークインターフェース９４８は、装置９００が、ネットワークインターフェース９４８が（直接または間接的に）接続されるネットワーク１１０（たとえば、インターネットプロトコル（ＩＰ）ネットワーク）に接続された他のノードにデータを送信し、他のノードからデータを受信することを可能にするための送信機（Ｔｘ）９４５および受信機（Ｒｘ）９４７を備える（たとえば、ネットワークインターフェース９４８はネットワーク１１０に無線で接続され得、その場合、ネットワークインターフェース９４８はアンテナ構成に接続される）、少なくとも１つのネットワークインターフェース９４８と、１つまたは複数の不揮発性記憶デバイスおよび／または１つまたは複数の揮発性記憶デバイスを含み得る１つまたは複数の記憶ユニット（別名「データ記憶システム」）９０８とを備え得る。ＰＣ９０２がプログラマブルプロセッサを含む実施形態では、コンピュータプログラム製品（ＣＰＰ）９４１が提供され得る。ＣＰＰ９４１はコンピュータ可読媒体（ＣＲＭ）９４２を含み、ＣＲＭ９４２は、コンピュータ可読命令（ＣＲＩ）９４４を備えるコンピュータプログラム（ＣＰ）９４３を記憶する。ＣＲＭ９４２は、磁気媒体（たとえば、ハードディスク）、光媒体、メモリデバイス（たとえば、ランダムアクセスメモリ、フラッシュメモリ）など、非一時的コンピュータ可読媒体であり得る。いくつかの実施形態では、コンピュータプログラム９４３のＣＲＩ９４４は、ＰＣ９０２によって実行されたとき、ＣＲＩが、装置９００に、本明細書で説明されるステップ（たとえば、フローチャートを参照しながら本明細書で説明されるステップ）を実施させるように設定される。他の実施形態では、装置９００は、コードの必要なしに本明細書で説明されるステップを実施するように設定され得る。すなわち、たとえば、ＰＣ９０２は、単に１つまたは複数のＡＳＩＣからなり得る。したがって、本明細書で説明される実施形態の特徴は、ハードウェアおよび／またはソフトウェアで実装され得る。

様々な実施形態が本明細書で説明されたが、それらの実施形態は、限定ではなく、例として提示されたにすぎないことを理解されたい。したがって、本開示の広さおよび範囲は、上記で説明された例示的な実施形態のいずれによっても限定されるべきでない。その上、本明細書で別段に示されていない限り、またはコンテキストによって明確に否定されていない限り、上記で説明されたエレメントのそれらのすべての考えられる変形形態における任意の組合せが、本開示によって包含される。

さらに、上記で説明され、図面に示されたプロセスおよびメッセージフローは、ステップのシーケンスとして示されたが、これは、説明のためにのみ行われた。したがって、いくつかのステップが追加され得、いくつかのステップが省略され得、ステップの順序が並べ替えられ得、いくつかのステップが並行して実施され得ることが企図される。

Claims (27)

1. 最終の補正された頭部関係（ＨＲ）フィルタデータセットＨ_ｆｃを生成するための方法であって、前記方法が、
   第１の補正されたＨＲフィルタデータセットＨ’_Ｉを取得すること
   を含み、前記取得することが、
   初期ＨＲフィルタデータセットＨ_Ｉを取得すること（ｓ８０２）と、
   前記初期ＨＲフィルタデータセットＨ_Ｉから抽出された、抽出されたＨＲフィルタデータセットＨ_Ｘを取得すること（ｓ８０４）と、
   前記抽出されたＨＲフィルタデータセットＨ_ＸのモデルＭ_Ｘを取得すること（ｓ８０６）と、
   前記モデルＭ_Ｘを使用して、モデル化されたＨＲフィルタデータセットＨ_Ｍを生成すること（ｓ８０８）と、
   前記モデル化されたＨＲフィルタデータセットＨ_Ｍおよび前記抽出されたＨＲフィルタデータセットＨ_Ｘに基づいて、前記初期ＨＲフィルタデータセットＨ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択すること（ｓ８１０）と、
   前記選択された１つまたは複数のＨＲフィルタを補正することによって、前記第１の補正されたＨＲフィルタデータセットＨ’_Ｉを生成すること（ｓ８１２）と
   を含み、
   前記方法が、前記第１の補正されたＨＲフィルタデータセットＨ’_Ｉを使用して、前記最終の補正されたＨＲフィルタセットＨ_ｆｃを生成することをさらに含むか、または
   前記最終の補正されたＨＲフィルタデータセットＨ_ｆｃが、前記第１の補正されたＨＲフィルタデータセットＨ’_Ｉである、方法。
2. 前記抽出されたＨＲフィルタデータセットＨ_Ｘを取得すること（ｓ８０４）が、フィルタ抽出指定Ｘを取得することと、Ｘに基づいて、前記抽出されたＨＲフィルタデータセットＨ_Ｘを取得することとを含む、請求項１に記載の方法。
3. Ｘが、フィルタ長を識別するフィルタ長値Ｎと、抽出のための開始点を識別する遅延値τのセットとを含む、請求項２に記載の方法。
4. 前記モデルＭ_Ｘを取得すること（ｓ８０６）が、仰角および方位角の関数として、前記抽出されたＨＲフィルタデータセットＨ_Ｘ中に含まれる前記ＨＲフィルタの空間変動をモデル化することを含む、請求項１から３のいずれか一項に記載の方法。
5. 前記モデル化されたＨＲフィルタデータセットＨ_Ｍ中に含まれる前記ＨＲフィルタが、複数のサンプリングされた角度の各々において前記モデルＭ_Ｘを使用してＨＲフィルタを算出することによって生成される、請求項１から４のいずれか一項に記載の方法。
6. 前記初期ＨＲフィルタデータセットＨ_Ｉ中に含まれる前記１つまたは複数のＨＲフィルタを補正のために選択すること（ｓ８１０）が、
   前記抽出されたＨＲフィルタデータセットＨ_Ｘ中に含まれる各ＨＲフィルタについて、ｉ）前記モデル化されたＨＲフィルタデータセットＨ_Ｍ中に含まれる対応するＨＲフィルタに基づいて、前記ＨＲフィルタについての誤差値を計算することと、ｉｉ）前記計算された誤差値に少なくとも部分的に基づいて、前記ＨＲフィルタを選択すべきか否かを決定することと
   を含む、請求項１から５のいずれか一項に記載の方法。
7. 前記初期ＨＲフィルタデータセットＨ_Ｉが、
   

   

   とを含み、
   前記抽出されたＨＲフィルタデータセットＨ_Ｘが、
   

   

   とを含み、
   前記モデル化されたＨＲフィルタデータセットＨ_Ｍが、
   

   

   とを含み、
   前記左の抽出された
   

   

   を含み、ここで、ｍが、前記左の抽出された
   

   

   前記ＨＲフィルタのインデックスであり、１≦ｍ≦Ｍであり、Ｍが、前記左の抽出された
   

   

   中に含まれるＨＲフィルタの数を表す正の整数であり、
   前記左のモデル化された
   

   

   を含み、
   前記左の抽出された
   

   

   中に含まれる各ＨＲフィルタについての前記誤差値が、前記対応するｍについての
   

   

   との間の差に基づいて計算され、
   前記右の抽出された
   

   

   を含み、ここで、ｍが、前記右の抽出された
   

   

   中に含まれる前記ＨＲフィルタのインデックスであり、１≦ｍ≦Ｍであり、Ｍが、前記右の抽出された
   

   

   中に含まれるＨＲフィルタの数を表す正の整数であり、
   前記右のモデル化された
   

   

   を含み、
   前記右の抽出された
   

   

   中に含まれる各ＨＲフィルタについての前記誤差値が、前記対応するｍについての
   

   

   との間の差に基づいて計算される、
   請求項６に記載の方法。
8. 前記左の抽出された
   

   

   中に含まれる各ＨＲフィルタについての前記誤差値が、
   

   

   に基づいて計算され、前記右の抽出された
   

   

   中に含まれる各ＨＲフィルタについての前記誤差値が、
   

   

   に基づいて計算される、
   請求項７に記載の方法。
9. 前記方法は、
   前記左の抽出された
   

   

   中に含まれる各ＨＲフィルタについての前記誤差値をしきい値と比較することと、
   前記しきい値を超える各誤差値について、（ｉ）前記誤差値に関連し、前記左の抽出された
   

   

   中に含まれる前記ＨＲフィルタを識別し、（ｉｉ）前記左の
   

   

   中に含まれる対応するＨＲフィルタをも識別するＨＲフィルタ識別子を、第１のフィルタ分類リストに追加することであって、前記第１のフィルタ分類リストが、分類すべきフィルタを識別する、ＨＲフィルタ識別子を第１のフィルタ分類リストに追加することと、
   前記右の抽出された
   

   

   中に含まれる各ＨＲフィルタについての前記誤差値をしきい値と比較することと、
   前記しきい値を超える各誤差値について、（ｉ）前記誤差値に関連し、前記右の抽出された
   

   

   中に含まれる前記ＨＲフィルタを識別し、（ｉｉ）前記右の
   

   

   中に含まれる対応するＨＲフィルタをも識別するＨＲフィルタ識別子を、第２のフィルタ分類リストに追加することであって、前記第２のフィルタ分類リストが、分類すべきフィルタを識別し、さらに、前記第１のフィルタ分類リストと前記第２のフィルタ分類リストとが同じであるかまたは異なる、ＨＲフィルタ識別子を第２のフィルタ分類リストに追加することと
   をさらに含む、請求項７または８に記載の方法。
10. 前記方法は、
    各々が、前記左の抽出された
    

    

    または前記右の抽出された
    

    

    のいずれか中に含まれる補正可能なＨＲフィルタを識別する、１つまたは複数のＨＲフィルタ識別子を、前記第１のフィルタ分類リストまたは前記第２のフィルタ分類リスト内に見つけること
    をさらに含み、
    前記初期ＨＲフィルタデータセット中に含まれる前記１つまたは複数のフィルタを補正のために選択するステップ（ｓ８１０）は、各々が、（ｉ）前記左の
    

    

    または前記右の
    

    

    のいずれか中に含まれ、（ｉｉ）上記で見つけられた前記１つまたは複数のＨＲフィルタ識別子によって識別される、１つまたは複数のＨＲフィルタを、補正のために選択することを含む、請求項９に記載の方法。
11. 前記方法は、
    前記第１のフィルタ分類リストまたは前記第２のフィルタ分類リスト中に含まれるＨＲフィルタ識別子によって識別される各ＨＲフィルタについて、前記ＨＲフィルタが補正可能であるかどうかを決定すること
    をさらに含み、
    前記ＨＲフィルタが補正可能であるかどうかを決定することは、前記ＨＲフィルタのためのモデル化誤差クラスを決定することと、前記決定されたモデル化誤差クラスが補正可能であるかどうかを決定することとを含む、請求項９に記載の方法。
12. 前記ＨＲフィルタが補正可能であると決定したことの結果として、補正可能なリストに、ｉ）前記ＨＲフィルタを識別する前記ＨＲフィルタ識別子およびｉｉ）補正データ構造または前記補正データ構造へのポインタを追加することをさらに含み、前記補正データ構造が、前記ＨＲフィルタを補正する際に使用するための情報を含む、請求項１１に記載の方法。
13. 前記選択された１つまたは複数のＨＲフィルタを補正することは、
    各々が、（ｉ）前記左の
    

    

    または前記右の
    

    

    のいずれか中に含まれ、（ｉｉ）前記補正可能なリスト中に含まれるＨＲフィルタ識別子によって識別される、１つまたは複数のＨＲフィルタを見つけることと、
    前記対応する補正データ構造を使用して上記で見つけられた前記１つまたは複数のＨＲフィルタを補正することと
    を含む、請求項１２に記載の方法。
14. 前記方法が、前記第１の補正されたＨＲフィルタデータセットＨ’_Ｉを使用して、前記最終の補正されたＨＲフィルタセットＨ_ｆｃを生成することをさらに含み、
    前記第１の補正されたＨＲフィルタデータセットＨ’_Ｉを使用して、前記最終の補正されたＨＲフィルタセットＨ_ｆｃを生成することが、
    前記第１の補正されたＨＲフィルタデータセットＨ’_Ｉから、第２の抽出されたＨＲフィルタデータセットを取得することと、
    前記第２の抽出されたＨＲフィルタデータセットの第２のモデルを取得することと、
    前記第２のモデルを使用して、第２のモデル化されたＨＲフィルタデータセットを生成することと、
    前記第２の抽出されたＨＲフィルタデータセットおよび前記第２のモデル化されたＨＲフィルタデータセットに基づいて、前記Ｈ’_Ｉ中に含まれる１つまたは複数のフィルタを補正のために選択することと、
    前記選択された１つまたは複数のＨＲフィルタを補正することによって、第２の補正されたＨＲフィルタデータセットを生成することと
    を含み、
    前記方法が、前記第２の補正されたＨＲフィルタデータセットを使用して、前記最終の補正されたＨＲフィルタセットＨ_ｆｃを生成することをさらに含むか、または
    前記最終の補正されたＨＲフィルタデータセットＨ_ｆｃが、前記第２の補正されたＨＲフィルタデータセットである、請求項１から１３のいずれか一項に記載の方法。
15. 前記方法が、
    （１）前記最終の補正されたＨＲフィルタデータセットＨ_ｆｃ、（２）前記最終の補正されたＨＲフィルタデータセットＨ_ｆｃから抽出された、抽出されたＨＲフィルタデータセットから生成されたモデル、および（３）（２）において生成された前記モデルから生成された新しいモデル化されたＨＲフィルタデータセットのうちのいずれか１つまたは複数を出力すること
    をさらに含む、請求項１から１４のいずれか一項に記載の方法。
16. 前記方法が、前記最終の補正されたＨＲフィルタデータセットＨ_ｆｃ、または前記最終の補正されたＨＲフィルタデータセットＨ_ｆｃから抽出された、前記抽出されたＨＲフィルタデータセットから生成された前記モデルを出力することを含む、請求項１５に記載の方法。
17. 前記抽出されたＨＲフィルタデータセットＨ_Ｘが、抽出されたＨＲフィルタを含み、
    前記モデル化されたＨＲフィルタデータセットＨ_Ｍが、モデル化されたＨＲフィルタを含み、
    前記初期ＨＲフィルタデータセットＨ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択すること（ｓ８１０）が、
    時間シフトのセットを取得することと、
    時間シフトの前記セット中に含まれる各時間シフトについて、前記時間シフトおよび前記抽出されたＨＲフィルタを使用して、シフトされた抽出されたＨＲフィルタを取得することと、
    前記シフトされた抽出されたＨＲフィルタの各々に関連する誤差を計算することと、
    前記計算された誤差のうち、条件を満たす誤差を識別することと、
    前記識別された誤差に基づいて、抽出されたＨＲフィルタおよびモデル化されたＨＲフィルタに関連する誤差を、補正可能である遅延誤差のクラスとして分類することと
    を含む、請求項１から１６のいずれか一項に記載の方法。
18. 前記初期ＨＲフィルタデータセットＨ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択すること（ｓ８１０）が、
    前記条件を満たす前記識別された誤差に関連する前記シフトされた抽出されたＨＲフィルタを取得するために使用された前記時間シフトを見つけることと、
    上記で見つけられた前記時間シフトを、遅延誤差の前記クラスについての補正パラメータとして使用することと
    をさらに含む、請求項１７に記載の方法。
19. 前記抽出されたＨＲフィルタデータセットＨ_Ｘが、抽出されたＨＲフィルタを含み、
    前記モデル化されたＨＲフィルタデータセットＨ_Ｍが、モデル化されたＨＲフィルタを含み、
    前記初期ＨＲフィルタデータセットＨ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択すること（ｓ８１０）が、
    周波数領域において、前記抽出されたＨＲフィルタの大きさと前記モデル化されたＨＲフィルタの大きさとの差の測度を計算することと、
    前記計算された測度がしきい値よりも小さいかまたはそれに等しいかどうかを決定するために、前記計算された測度を前記しきい値と比較することと、
    少なくとも前記比較に基づいて、前記抽出されたＨＲフィルタおよび前記モデル化されたＨＲフィルタに関連する誤差を、補正可能である遅延誤差のクラスとして分類することと
    を含む、請求項１から１６のいずれか一項に記載の方法。
20. 前記初期ＨＲフィルタデータセットＨ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択すること（ｓ８１０）が、
    サンプル周波数において、前記抽出されたＨＲフィルタと前記モデル化されたＨＲフィルタとのアンラップされた角度および／または位相の差を計算することと、
    前記計算された差をモデル化する線形モデルを決定することと、
    前記サンプル周波数における前記線形モデルの前記計算された差および値に基づいてモデル化誤差を決定することと、
    前記モデル化誤差を誤差しきい値と比較することと、
    少なくとも前記モデル化誤差と前記誤差しきい値との前記比較に基づいて、前記線形モデルのパラメータを、遅延誤差の前記クラスについての補正パラメータとして使用することと
    をさらに含む、請求項１９に記載の方法。
21. 前記フィルタ分類リストは、前記１つまたは複数のＨＲフィルタ識別子が、前記左の抽出された
    

    

    に関連するのか前記右の抽出された
    

    

    に関連するのかを示すインジケータを含む、請求項１０に記載の方法。
22. 前記条件を満たす前記誤差を識別することが、前記計算された誤差のうちの最小誤差を識別することを含む、請求項１７に記載の方法。
23. 処理回路によって実行されたとき、前記処理回路に、請求項１から２２のいずれか一項に記載の方法を実施させる命令を備える、コンピュータプログラム。
24. 請求項２３に記載のコンピュータプログラムを含んでいるキャリアであって、前記キャリアが、電子信号、光信号、無線信号、およびコンピュータ可読記憶媒体のうちの１つである、キャリア。
25. 最終の補正された頭部関係（ＨＲ）フィルタデータセットＨ_ｆｃを生成するための装置であって、前記装置が、
    第１の補正されたＨＲフィルタデータセットＨ’_Ｉを取得すること
    を行うように設定され、前記装置が、前記第１の補正されたＨＲフィルタデータセットを、
    初期ＨＲフィルタデータセットＨ_Ｉを取得すること（ｓ８０２）と、
    前記初期ＨＲフィルタデータセットＨ_Ｉから抽出された、抽出されたＨＲフィルタデータセットＨ_Ｘを取得すること（ｓ８０４）と、
    前記抽出されたＨＲフィルタデータセットＨ_ＸのモデルＭ_Ｘを取得すること（ｓ８０６）と、
    前記モデルＭ_Ｘを使用して、モデル化されたＨＲフィルタデータセットＨ_Ｍを生成すること（ｓ８０８）と、
    前記モデル化されたＨＲフィルタデータセットＨ_Ｍおよび前記抽出されたＨＲフィルタデータセットＨ_Ｘに基づいて、前記初期ＨＲフィルタデータセットＨ_Ｉ中に含まれる１つまたは複数のＨＲフィルタを補正のために選択すること（ｓ８１０）と、
    前記選択された１つまたは複数のＨＲフィルタを補正することによって、前記第１の補正されたＨＲフィルタデータセットＨ’_Ｉを生成すること（ｓ８１２）と
    を含むプロセスを実施することによって取得するように設定され、
    前記装置が、前記第１の補正されたＨＲフィルタデータセットＨ’_Ｉを使用して、前記最終の補正されたＨＲフィルタセットＨ_ｆｃを生成するようにさらに設定されるか、または
    前記最終の補正されたＨＲフィルタデータセットＨ_ｆｃが、前記第１の補正されたＨＲフィルタデータセットＨ’_Ｉである、装置。
26. 前記装置が、請求項２から２２のいずれか一項に記載の方法を実施するようにさらに設定された、請求項２５に記載の装置。
27. 装置であって、前記装置が、
    メモリと、
    前記メモリに結合された処理回路と
    を備え、前記装置が、請求項１から２２のいずれか一項に記載の方法を実施するように設定された、装置。
    

Images